第11篇-Elasticsearch查詢方法

我的Elasticsearch系列文章，逐漸更新中管挟，歡迎關(guān)注

另外Elasticsearch入門晋渺，我強(qiáng)烈推薦ElasticSearch搭建小白指南給你，非常想盡的入門指南手冊。

在上一個(gè)博客中稍刀，我們了解了如何將Kibana用作開發(fā)工具以及如何使用Kibana加載示例數(shù)據(jù)。

從這個(gè)博客中敞曹，我們將研究Elasticsearch的查詢DSL账月，它非常強(qiáng)大，對于任何Elasticsearch用戶來說都是必不可少的知識領(lǐng)域澳迫。

Elasticsearch查詢類型

Elasticsearch中的查詢可以大致分為兩類局齿，

1.葉子查詢

葉子查詢在某些字段中查找特定值。這些查詢可以獨(dú)立使用橄登。其中一些查詢包括匹配抓歼，條件，范圍查詢拢锹。

2.復(fù)合查詢

復(fù)合查詢使用葉/復(fù)合查詢的組合谣妻。基本上卒稳，它們將多個(gè)查詢組合在一起以實(shí)現(xiàn)其目標(biāo)結(jié)果蹋半。

下圖大致顯示了這兩個(gè)查詢的大致分類：

如上圖所示，Leaf和化合物分類中仍然有許多類別充坑。在接下來的博客中减江，我們將更詳細(xì)地訪問上圖中的大多數(shù)查詢/查詢類型。

基本查詢樣本

現(xiàn)在捻爷，讓我們熟悉葉子的2個(gè)基本查詢和復(fù)合查詢類型中的一個(gè)查詢以開始操作辈灼。

1.簡單的“匹配”查詢

假設(shè)我們考慮建立索引的文件在以前的博客，讓我們嘗試在球場上“FIRST_NAME”為搜索關(guān)鍵詞“丹尼”的簡單匹配查詢也榄。該查詢將如下所示：

POST employees/_search{“query”:{“match”:{“country”:“China”}}}

上面的查詢將返回給我們所有國家為中國的文件

2.范圍查詢

現(xiàn)在讓我們觸發(fā)另一個(gè)查詢巡莹，這個(gè)查詢也是一個(gè)葉子查詢。該查詢將向我們返回所有薪水大于或等于500,000的員工￠泡海可以使用如下范圍查詢來實(shí)現(xiàn)：

POST/_{“ query”：{“ range”：{“ salary”：{“ gte”：500000}}}}

3.布爾查詢

現(xiàn)在來了有趣的部分俐芯。我們?nèi)绾伪容^以上查詢棵介？也就是說钉鸯，我需要所有來自中國但收入超過50萬的員工。

這需要上述兩個(gè)葉查詢的組合∮柿桑現(xiàn)在唠雕，Elasticsearch提供了使用bool查詢組合這些查詢的工具。讓我們討論布爾查詢的一般結(jié)構(gòu)吨述，然后回到問題所在岩睁。

布爾查詢的一般結(jié)構(gòu)：

POST _search{“ query”：{“ bool”：{“ must”：[...]，“ filter”：[...]揣云，“ must_not”：[...]捕儒，“ should”：[..。]}}}

must：子句（查詢）必須出現(xiàn)在匹配的文檔中邓夕，并將有助于得分刘莹。

filter：子句（查詢）必須出現(xiàn)在匹配的文檔中。但是與查詢分?jǐn)?shù)不同的是焚刚，忽略該分?jǐn)?shù)点弯。

應(yīng)該：子句（查詢）應(yīng)出現(xiàn)在匹配的文檔中。

must_not：子句（查詢）不得出現(xiàn)在匹配的文檔中矿咕。

現(xiàn)在回到我們的問題抢肛，我們的bool查詢旨在重整所有來自中國的雇員并賺取超過500,000的工資，如下所示：

POST employee/_search{“ query”：{“ bool”：{“ must”：[{“ match”：{“ country”：“ China”}}碳柱，{“ range”：{“ salary”：{“ gte” ：500000}}}]}}}

現(xiàn)在捡絮，讓我們考慮是否要從列表中篩選出所有男性雇員。我們應(yīng)該做什么莲镣？福稳。只需在上面的查詢中添加條件性別為“ Male”的must_not部分即可，如下所示：

POST employee/_search{“ query”：{“ bool”：{“ must”：[{“ match”：{“ country”：“ China”}}剥悟，{“ range”：{“ salary”：{“ gte” ：500000}}}]灵寺，“ must_not”：[{“ match”：{“ gender”：“ Male”}}]}}}

查詢上下文和過濾器上下文

默認(rèn)情況下，Elasticsearch返回搜索結(jié)果時(shí)区岗，會根據(jù)它們的相關(guān)性得分對它們進(jìn)行排序略板，這表明文檔與查詢的匹配程度。計(jì)算該相關(guān)性分?jǐn)?shù)慈缔，并將其與每個(gè)結(jié)果一起返回到元數(shù)據(jù)的_score參數(shù)中叮称。

默認(rèn)情況下，這是一個(gè)正浮點(diǎn)數(shù)。

對于不同類型的查詢瓤檐，_score計(jì)算技術(shù)可能有所不同赂韵。也就是說，“匹配”查詢的得分計(jì)算可能與“跨度”查詢的得分計(jì)算不同挠蛉。

但最重要的是祭示，分?jǐn)?shù)計(jì)算取決于查詢子句運(yùn)行的上下文。也就是說谴古，查詢子句可以在“查詢”上下文或“過濾器”上下文中運(yùn)行质涛。

查詢上下文

在查詢上下文中執(zhí)行子句時(shí)，它將查找“文檔與查詢的匹配程度”掰担。比賽越多汇陆，得分越高。

如下面的屏幕截圖所示：

【圖2】

在上面的示例中带饱，我在“標(biāo)題”字段中搜索了“導(dǎo)演”毡代。該查詢返回了一些結(jié)果，查找結(jié)果1勺疼，標(biāo)題與查詢子句（即關(guān)鍵字“ Director”和“ of”）完全匹配教寂。因此，第一份文檔的分?jǐn)?shù)更高恢口，為7.363

與第二個(gè)文檔中一樣孝宗，查詢子句中只有一個(gè)關(guān)鍵詞匹配（第二個(gè)文檔中只有“ Director”已經(jīng)匹配），因此比第一個(gè)文檔的得分少（5.305）耕肩。

因此因妇，與第二個(gè)文檔相比，第一個(gè)文檔的匹配度更高猿诸，這很明顯地反映在兩個(gè)文檔的_score元數(shù)據(jù)中婚被。

當(dāng)在查詢上下文中給出查詢子句時(shí)，就會發(fā)生這種情況梳虽。

篩選條件

當(dāng)在過濾器上下文中給出查詢子句時(shí)址芯，它僅查看文檔是否包含not子句。這實(shí)際上是對/錯(cuò)的返回窜觉。假設(shè)我們在過濾器上下文中查詢數(shù)據(jù)谷炸，通過詢問文檔字段性別是否匹配“ Male”，我們將只獲得匹配的文檔禀挫，而沒有分?jǐn)?shù)旬陡。

與查詢上下文不同，篩選器上下文不使用時(shí)間來計(jì)算分?jǐn)?shù)语婴，因此篩選器上下文返回更快的結(jié)果描孟。

下圖顯示了涉及按性別過濾的過濾器上下文示例驶睦，如下圖所示：

【圖3】

在上面的示例中，您可以看到在過濾器上下文中應(yīng)用時(shí)匿醒，結(jié)果文檔的分?jǐn)?shù)返回0场航。

重新訪問布爾查詢。

考慮到上述情況廉羔，是時(shí)候重新討論布爾查詢了溉痢。

在布爾查詢中，必須和應(yīng)節(jié)將在查詢上下文中執(zhí)行蜜另，這意味著必須節(jié)中的子句將計(jì)算分?jǐn)?shù)适室。

bool查詢中的must_not和should部分在哪里執(zhí)行過濾條件中的查詢子句，并且不會影響評分举瑰。

為了演示，讓我們首先嘗試在must節(jié)中使用相同的查詢子句集蔬螟，然后在must節(jié)中應(yīng)用一個(gè)子句此迅，然后在過濾器節(jié)中應(yīng)用一個(gè)子句，然后查看分?jǐn)?shù)如何變化旧巾。

案例1：“必須”部分中的兩個(gè)子句

如您所見耸序，在上面的查詢中，兩個(gè)子句都處于相同的必須條件中鲁猩，并且第一個(gè)結(jié)果的文檔返回的分?jǐn)?shù)為2.4333658（在右側(cè)面板中）

情況2：一個(gè)子句移到過濾器部分

讓我們?nèi)缦乱苿?dòng)bool查詢中的filter子句中的gender子句坎怪，然后運(yùn)行查詢。

現(xiàn)在廓握，在右側(cè)面板中搅窿，看分?jǐn)?shù)，你可以看到隙券，得分已經(jīng)下降到1.7261622男应，這意味著只有在clausein 必須的部分被計(jì)算為得分，并在該條款過濾器部分不用于評分娱仔。

為了確認(rèn)這一點(diǎn)沐飘，我們只能使用must節(jié)子句運(yùn)行上面的查詢，并查看它是否返回相同的分?jǐn)?shù)牲迫。

正如您所預(yù)測的那樣耐朴，即使從查詢中刪除了filter子句，您也可以從上面的圖片中看到分?jǐn)?shù)保持不變盹憎。

結(jié)論

在此博客中筛峭，我們剛剛熟悉了Elasticsearch查詢的分類，查詢的上下文以及一些最基本的查詢脚乡。

在下一個(gè)病房博客上蜒滩，我們將詳細(xì)探討每種查詢類型滨达，并提供更多示例和數(shù)據(jù)集。